Une architecture intelligente pour l'amélioration de l'efficacité énergétique du réseau cellulaire 5G

21/12/2016
OAI : oai:www.see.asso.fr:1301:2016-5:17790
contenu protégé  Document accessible sous conditions - vous devez vous connecter ou vous enregistrer pour accéder à ou acquérir ce document.
Prix : 10,00 € TVA 20,0% comprise (8,33 € hors TVA) - Accès libre pour les ayants-droit
 

Résumé

Une architecture intelligente pour l'amélioration de l'efficacité énergétique du réseau cellulaire 5G

Métriques

21
4
1019.62 Ko
 application/pdf
bitcache://93f5e8c968bf940def54dbbec17ae687f19451cb

Licence

Creative Commons Aucune (Tous droits réservés)
<resource  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
                xmlns="http://datacite.org/schema/kernel-4"
                xsi:schemaLocation="http://datacite.org/schema/kernel-4 http://schema.datacite.org/meta/kernel-4/metadata.xsd">
        <identifier identifierType="DOI">10.23723/1301:2016-5/17790</identifier><creators><creator><creatorName>Jacques Palicot</creatorName></creator><creator><creatorName>Antonio De Domenico</creatorName></creator><creator><creatorName>Rémi Bonnefoi</creatorName></creator><creator><creatorName>Mouhcine Mendil</creatorName></creator><creator><creatorName>Catalin Gavriluta</creatorName></creator><creator><creatorName>Christophe Moy</creatorName></creator><creator><creatorName>Vincent Heiri</creatorName></creator></creators><titles>
            <title>Une architecture intelligente pour l'amélioration de l'efficacité énergétique du réseau cellulaire 5G</title></titles>
        <publisher>SEE</publisher>
        <publicationYear>2016</publicationYear>
        <resourceType resourceTypeGeneral="Text">Text</resourceType><dates>
	    <date dateType="Created">Wed 21 Dec 2016</date>
	    <date dateType="Updated">Thu 26 Jan 2017</date>
            <date dateType="Submitted">Wed 19 Sep 2018</date>
	</dates>
        <alternateIdentifiers>
	    <alternateIdentifier alternateIdentifierType="bitstream">93f5e8c968bf940def54dbbec17ae687f19451cb</alternateIdentifier>
	</alternateIdentifiers>
        <formats>
	    <format>application/pdf</format>
	</formats>
	<version>30420</version>
        <descriptions>
            <description descriptionType="Abstract"></description>
        </descriptions>
    </resource>
.

URSI FRANCE 2016DOSSIER 2 96 REE N°5/2016 Une architecture intelligente énergétique du réseau cellulaire 5G Par Antonio De Domenico1 , Rémi Bonnefoi2 , Mouhcine Mendil1, 3 , Catalin Gavriluta3 , Jacques Palicot2 , Christophe Moy2 , Vincent Heiries1 , Raphael Caire3 et Nouredine Hadjsaid3 CEA/LETI1 , Centrale Supélec/ IETR2 , G2Elab-ENSE33 . Introduction Depuis le second sommet de la terre en 1992, la prise de conscience mondiale des problèmes environnementaux, et en particulier celui du réchauffement climatique, se ren- force. Cela s’est traduit lors de la dernière COP21, à Paris, par un accord international adopté à l’unanimité, qui a été ratifié depuis par une majorité qualifiée de pays. Limiter le réchauffement climatique passe par la dimi- nution des gaz à effets de serre et donc par la diminution de la consommation énergétique. Dans ce contexte, les Techniques de l’Information et de la Communication (TIC) représentent un pourcentage non négligeable, qui, contrai- rement à la plupart des autres domaines d’activité, continue à croître. En effet, le volume de données échangées dans les réseaux de communication a été multiplié par un facteur 10 tous les 5 ans. En conséquence de cette tendance, la consommation énergétique due aux TIC est passée de 3 % en 2008 à 4,7 % en 2012 [1], soit une augmentation de 56 % en 4 ans, et les prévisions anticipent une consomma- tion de l’ordre de 30 % vers 2030. Malgré ce tableau pessimiste, il faut relativiser l’impact réel du réseau cellulaire ; en effet, la majeure partie de la consommation énergétique des TIC est due aux centres de calcul. Néanmoins, tous les acteurs du domaine, y com- pris les opérateurs qui verront leurs factures d’électricité diminuer, militent pour une nouvelle génération de réseaux moins consommateurs en énergie. Dans ce contexte, les organismes de normalisation tels que le 3GPP et l’ITU, le consortium GreenTouch et plusieurs projets collaboratifs tels que TREND et EARTH ont proposé des solutions pour amé- liorer l’efficacité énergétique des réseaux de communication. Dans cet article, nous proposons une nouvelle architec- ture qui permet une intégration plus étroite entre le réseau de communication mobile et le réseau électrique intelligent (smart grid en anglais). En particulier, nous analysons les futurs enjeux de ces deux systèmes et les avantages de l’architecture proposée. Ensuite, nous discutons de l’implémentation de notre architecture et des premiers résultats de nos recherches. Enjeux et outils clés Les Réseaux Numériques du Futur L’explosion du trafic mobile (figure 1), entraînée par le succès des smartphones, a montré les limites du réseau cellulaire classique basé sur le déploiement des stations de base caractérisées par une haute puissance rayonnée afin de garantir une couverture continue du service radio-mobile. Aujourd’hui, 50 % du trafic est assuré par seulement 15 % des stations de base et 45 % du temps, la charge d’une sta- tion de base représente 10 % de sa capacité [3]. La densification du réseau à travers le déploiement mas- sif des stations de base à bas coût (small cell en anglais) capable d’offrir des services très haut débit représente la so- lution clé pour atteindre les exigences de capacité de la 5G. Dans les villes du futur, des small cells utilisant une combinai- son de technologies d’accès radio seront capables d’offrir des services hétérogènes tels que l’internet des objets, la réalité virtuelle et le contrôle du flux de véhicules. Cependant, les coûts du réseau pourraient augmenter en raison du nombre de small cells supplémentaires requises ; pour cela, des mécanismes capables d’adapter la consom- mation d’énergie à la charge du réseau sont nécessaires : la 1 Ces travaux ont été réalisés dans le cadre du projet ANR SOGREEN soutenu par l’Agence Nationale de la Recherche ANR-14-CE29-0025-01. Recently, mobile operators have started to pay attention to the energy consumption of the wireless networks in order to reduce their operational costs and limit carbon emissions. In the current context of energy transition, the usage of the renewable energies and the integration of the smart grid are key technologies to enable sustainable operations in the 5th generation (5G) of mobile networks. In this paper1 , we discuss those issues and propose a novel architecture able to op- timize the energy efficiency of future mobile networks and take full advantage of decentralized energy production. We outline the advantages of the presented architecture, its functionalities, and provide a preliminary evaluation of the expected benefits. ABSTRACT REE N°5/2016 97 Une architecture intelligente pour l’amélioration de l’efficacité énergétique du réseau cellulaire 5G technologie 5G a l’objectif d’être 100 fois plus économe en énergie que la 4G [4]. Un autre enjeu pour les opérateurs est le développement de solutions innovantes permettant d’offrir des services de communication mobile à faible coût dans les pays en déve- loppement. Cette révolution permettrait d’augmenter la cou- verture du réseau et d’apporter ses services à 3 milliards de personnes qui n’ont pas encore accès à internet. L’utilisation des stations de base alimentées par des sources d’énergie lo- cales et renouvelables permettrait d’éliminer la dépendance à l’infrastructure électrique et de réduire de façon importante les coûts pour les opérateurs. Les énergies renouvelables La forte pression sociale liée au réchauffement climatique et la diminution des réserves mondiales font que la production d’électricité ne pourra bientôt plus se faire à partir de sources d’énergie fossiles. Au sein de l’Union européenne, 78 % des sources d’énergie installées entre 2008 et 2015 ont été des sources d’énergies renouvelables [5]. En Allemagne, premier pays en nombre de panneaux solaires installés, la part d’éner- gies renouvelables non-hydraulique a atteint 24 % en 2014 et en Écosse quasiment la moitié de l’électricité produite provient de sources d’énergie renouvelable. A l’échelle européenne, la production des éoliennes couvre aujourd’hui 10,2 % des besoins. Grâce à l’objectif des 20 % d’énergie renouvelable dans l’union européenne d’ici 2020, on peut espérer que cette tendance va se confirmer dans les années à venir. Le Smart Grid L’Europe s’est donné pour l’horizon 2020 un triple ob- jectif de réduction de 20 % des émissions de gaz à effet de serre (par rapport à 1990), d’augmentation à 20 % la part des énergies renouvelables dans la production d’éner- gie et d’amélioration de l’efficacité énergétique de 20 %. Ces objectifs ont permis de nombreuses recherches qui ont mené à l’intégration de nouvelles technologies comme les sources d’énergies renouvelables distribuées, le stockage d’énergie, les compteurs intelligents et la tarification dyna- mique. Toutes ces solutions transforment le réseau élec- trique en smart grid. L’un des principaux défis du smart grid est de per- mettre l’intégration d’énergies renouvelables tout en garantissant la fiabilité du réseau classique. Les fonctions qui demandent une prédictibilité et une contrôlabilité du réseau ne sont pas utilisables lorsque la source principale d’énergie a un comportement stochastique. Par consé- quent, une nouvelle organisation du réseau électrique est nécessaire. Il est très probable que la direction choisie soit celle de la distribution et de la décentralisation des systèmes énergétiques car cette architecture pourra mieux s’adapter aux variations de consommation [5]. Des visions similaires sont présentées dans les feuilles de route de l’Agence de l’Environnement et de la Maîtrise de l’Energie et de l’Agence Nationale pour la Coordination de la Recherche pour l’Energie. Synergies entre le futur réseau de communication mobile et le smart grid Pour faire face aux enjeux des futurs réseaux électriques et de communications, nous envisageons une architecture capable de développer et exploiter les synergies entre ces Figure 1 : Prévisions de Cisco sur l’évolution du trafic mobile mondial de 2015 à 2020 [2]. URSI FRANCE 2016DOSSIER 2 98 REE N°5/2016 deux systèmes. Dans cette architecture (Cf. figure 2), les small cells, alimentées par des sources d’énergie renouve- lable et des batteries, sont connectées au smart grid et offrent les capacités de communication et de calcul qui permettent d’optimiser en temps réel la production, la distribution et la consommation d’énergie. De plus, grâce aux énergies renou- velables, le réseau mobile peut réduire les coûts liés à la consommation énergétique ainsi que ses émissions de CO2 . En particulier, ce système utilise l’apprentissage automatique pour observer son environnement, prédire les états futurs et améliorer les performances des réseaux de communication et électrique. Analyse, surveillance et communication dans le smart grid L’intégration des TIC à tous les niveaux du réseau élec- trique est la caractéristique principale de son évolution vers le smart grid. L’acquisition, l’échange et le traitement d’infor- mation en temps réel grâce à un réseau de communication rapide, robuste et fiable permettront la supervision de la génération, du transport, de la distribution et de la consom- mation de l’énergie. Aujourd’hui les opérateurs du secteur de l’énergie déploient des systèmes de communication proprié- taires basés principalement sur les courants porteurs en ligne ou des réseaux maillés en radiofréquence. Dans notre vision, la technologie 5G représentera une alternative importante à ces systèmes et, à travers le déploiement dense de small cells, offrira des services de communications plus stables, un traitement local et sécurisé de l’information et des bas coûts d’installation et de gestion. De plus, la capacité de calcul des small cells permettra une adaptation rapide à la demande et à la production locale d’énergie ainsi que la mise en place des services edge cloud, tels que l’analyse et le stockage de données, pour les opérateurs et l’utilisateur final. Le marché de l’énergie Le smart grid permet d’établir, entre autre, un lien infor- mationnel entre les producteurs et les consommateurs pour assurer l’équilibre production-consommation. Dans ce cadre, les technologies de comptage amènent avec elles de nou- velles offres et tarifications énergétiques, permettant un pilo- tage facilité de la demande et une valorisation de la production décentralisée. En effet, l’ouverture des marchés de l’énergie représente un levier pour l’intégration des productions décen- tralisées car le consommateur peut produire sa propre énergie et réinjecter le surplus sur le réseau. De plus, la mise en place de programmes de gestion de la demande, tel que la tarifica- tion dynamique [6], offre la possibilité d’orienter les modes de consommation pour des usages plus efficaces. Gestion des défaillances dans le smart grid L’approche classique pour garantir l’équilibre entre pro- duction et consommation dans le réseau électrique con- siste à moduler la quantité d’énergie produite par un grand nombre d’unités de production en fonction de la demande énergétique. Cependant, comme mentionné précédem- ment, les générateurs distribués à énergie renouvelable sont en constante augmentation et ils remplacent progressive- ment les centrales de production conventionnelles. Dans ce contexte, il existe une nouvelle vision qui propose d’adapter la charge du système à la production, plutôt que l’inverse. Le challenge principal de cette solution est qu’elle nécessite la coordination d’un très grand nombre de charges réparties géographiquement. Avec le développement du smart grid Figure 2 : Optimisation conjointe entre réseau de communication mobile et smart grid. REE N°5/2016 99 Une architecture intelligente pour l’amélioration de l’efficacité énergétique du réseau cellulaire 5G et de son infrastructure de communication associée, cette approche s’avérerait possible. Une communication rapide et fiable entre les différents éléments du réseau électrique pourra aussi se révéler bé- néfique dans le cadre des applications relatives à la gestion des pannes et à l’auto-cicatrisation. Dans l’éventualité d’une défaillance électrique, l’opérateur du réseau doit identifier le plus rapidement possible les éléments défectueux et les iso- ler du reste du réseau. Ensuite, l’opérateur peut reconfigurer le réseau et réalimenter ses composants fonctionnels. Tout au long de cette procédure, l’inconfort de l’utilisateur final doit être limité autant que possible. Actuellement, une grande partie de ce processus nécessite une intervention humaine ; toutefois, avec une infrastructure TIC adaptée, il sera possible de concevoir un processus complètement autonome, fiable, rapide et à un coût maitrisé. Réseaux mobiles ‘Green’ Le regain d’intérêt récent pour la recherche sur le rende- ment énergétique des réseaux de mobiles provient du fait de l’augmentation de leur consommation d’énergie et de la quantité croissante des émissions de CO2 de l’industrie des TIC en général. Les TIC « vertes » regroupent les techniques permettant la mise en place de réseaux cellulaires efficaces en termes d’énergie et de puissance, générant moins d’émis- sions de gaz à effet de serre tout en maîtrisant le rayonne- ment radio [3]. Outre la réduction de l’empreinte carbone, les opérateurs des réseaux mobiles sont motivés par les tech- nologies de réduction de consommation d’énergie qui leur permettent de réduire leur coût d’exploitation. Cet objectif est d’autant plus crucial que les opérateurs de réseaux cellu- laires seront confrontés à une explosion du volume de trafic de données avec des revenus qui ne croissent pas dans les mêmes proportions, leur imposant de réduire à la fois les coûts de leurs réseaux et les coûts d’exploitation. Architecture hiérarchique distribuée pour la reconfiguration et la prise de décision Pour gérer efficacement un système complexe tel qu’un réseau de communication connecté au smart grid, il est né- cessaire de prendre des décisions pertinentes en temps réel. Pour cela on oppose généralement deux visions : la gestion centralisée et la gestion décentralisée. Une gestion entièrement centralisée, où un seul gestion- naire prend l’ensemble des décisions, pose des problèmes de latence et ne permet pas une gestion en temps réel du réseau. Au contraire, une gestion entièrement décentralisée ne permet pas de prendre des décisions optimales. De plus, ces deux ar- chitectures génèrent un surcoût important dû aux communica- tions nécessaires pour coordonner tous ses éléments. Pour une gestion efficace, il est donc préférable de répartir le contrôle en séparant les décisions en fonction des critères suivants : latence, complexité, communications et consommation. Les décisions simples, ne concernant qu’un élément du réseau et qui peuvent avoir de fortes contraintes en termes de latence doivent être prises localement. Les décisions im- pliquant de nombreux éléments et n’ayant pas de contraintes de latence peuvent être prises au niveau d’un gestionnaire central. Quand des objectifs sont difficiles à atteindre au moment de la prise de décision au niveau d’un gestionnaire local ou global, il est nécessaire de créer au moins un niveau intermédiaire de décision. L’architecture “Hierarchical and Distributed Cognitive Radio Architecture Management” (HDCRAM) est une archi- tecture hiérarchique et distribuée à trois niveaux qui permet de répondre à ces objectifs (figure 3). Chaque élément du Figure 3 : Architecture hiérarchique et distribuée proposée pour le contrôle des réseaux de communication et électrique. URSI FRANCE 2016DOSSIER 2 100 REE N°5/2016 niveau 3 de l’architecture de gestion est relié à un élément ou opérateur du système. A ce niveau, les décisions simples et rapides sont prises. Le niveau 2 apporte un niveau d’abs- traction supplémentaire et permet de prendre des décisions plus complexes impliquant plusieurs opérateurs. Le niveau 1 de l’architecture est composé d’un seul élément qui est le gestionnaire principal du système. Dans cette architecture, chaque élément ne transmet et ne reçoit que les informa- tions nécessaires pour les prises de décision. Nous avons récemment proposé une première application de HDCRAM pour le smart grid [7]. Optimisation de la consommation énergétique du réseau de communication La transmission discontinue est un moyen efficace d’aug- menter l’efficacité énergétique des réseaux de communica- tion [8]. Avec cette solution, la small cell est mise en veille pendant quelques millisecondes au sein de chaque trame, s’il n’y a pas de données à transmettre. Le contrôle du temps de veille peut se faire à l’échelle locale, au niveau 3 de l’archi- tecture HDCRAM, de façon à ce que la consommation de la station de base soit minimisée pour une qualité de service donnée [9]. Pendant leur veille, les stations de base n’émettent pas et ne génèrent donc pas d’interférences. Au contraire, lorsque des small cells voisines sont activées au même moment, l’interférence peut réduire le débit perçu par les utilisateurs. L’activation coordonnée des small cells voisines permet de réduire davantage la consommation énergétique sans réduire la qualité du service de communication. Cette coordination ne peut pas se faire à l’échelle locale : elle doit être réalisée au niveau 2 ou 3 de l’architecture HDCRAM. Une solution pour implémenter cette coordination dans les réseaux mo- biles est présentée dans la figure 4 [10]. D’une part, un nœud est responsable du stockage des données ; d’autre part, le contrôleur des small cells main- tient une estimation du niveau d’interférence que pourraient percevoir les utilisateurs d’une small cell si elle est activée. Lorsqu’ on veut réaliser une transmission, le contrôleur vérifie le niveau d’interférence et active la small cell seulement si ce niveau est faible. A contrario, l’activation de la small cell est reportée jusqu’au moment où le niveau d'interférence change ou bien si la transmission est nécessaire (à cause des contraintes du service de communication). Gestion locale de l’énergie Une small cell green nécessite un contrôleur, qui se trouve au niveau 3 de l’architecture HDCRAM, permettant d’arbitrer entre autoconsommation, stockage et vente de l’électricité. Ce contrôleur, décrit dans la figure 5, est capable de faire face aux variations du trafic, de production d’énergie renouvelable et du prix de l’électricité. De plus, il supervise les échanges Figure 4 : Coordination de la mise en veille des small cells [10]. REE N°5/2016 101 Une architecture intelligente pour l’amélioration de l’efficacité énergétique du réseau cellulaire 5G d’énergie de manière à ce que la durée de vie de la batterie soit préservée. D’abord, les données d’entrée correspondant à la produc- tion, la consommation, le prix et le stockage d’énergie sont prédites. Ensuite, l’étape d’optimisation consiste à minimiser les dépenses énergétiques sur une durée précise tout en res- pectant des contraintes relatives au vieillissement de la bat- terie et au service de communication. Naturellement, plus le modèle est précis, meilleur sera le résultat de l’optimisation. L’apprentissage automatique peut être particulièrement efficace pour améliorer les étapes de prédiction et de prise de décision. En effet, nous avons proposé un contrôleur, basé sur l’apprentissage par renforcement et un système d’inférence floue [11], qui permettent de réduire considéra- blement le coût énergétique tout en améliorant les condi- tions de fonctionnement de la batterie. Ce système est capable d’apprendre et par la suite d’anticiper les tendances de production, de consommation et de prix d’énergie afin d’optimiser les flux énergétiques entre les unités de consom- mation et de production. La figure 6 représente le résultant de la gestion optimale d’une small cell équipée d’un module photovoltaïque de 0,25 m² et d’une batterie de 12 Ah. Figure 5 : Contrôleur de gestion énergétique pour une small cell "green". Figure 6 : Flux énergétique au sein d’une small cell “green”. URSI FRANCE 2016DOSSIER 2 102 REE N°5/2016 Reconfiguration distribuée du réseau intelligent via le réseau mobile Comme indiqué précédemment, le réseau électrique est dans la nécessité de migrer d’une organisation centralisée vers une structure distribuée et décentralisée. Aujourd’hui, les grands générateurs raccordés au réseau de transport se voient progressivement remplacés par une multitude de petits générateurs introduits au niveau du réseau de distribution. En considérant cette tendance, la structure classique du réseau transport-distribution-consommation ne sera plus valable. Une nouvelle architecture devra alors être définie pour coordonner efficacement et de manière fiable divers dispositifs distribués tels que les compteurs intelligents, les batteries, les véhicules électriques, et les bâtiments intelligents. On considère qu’un système distribué à grande échelle ne peut pas être géré de façon efficace en utilisant une approche centralisée. En effet, cette solution nécessite des ressources en calcul extrêmement importantes et est potentiellement vulnérable. De plus, sa mise en œuvre est impossible lorsque les différents acteurs du système refusent de partager des données confidentielles entre eux. On envisage donc un modèle de système distribué, comme illustré dans la figure 7, qui grâce à l’infrastructure TIC adéquate, est en mesure d’auto-coordonner et d’ap- prendre afin de s’adapter aux différents modes de fonc- tionnement du réseau. Dans ce scénario, l’ensemble des dispositifs intelligents connectés aux réseaux électriques sont capables de communiquer entre eux, ainsi qu’avec un ou plusieurs superviseurs. Il est important de faire la distinction entre la figure clas- sique du contrôleur central et celle du superviseur. Dans le premier cas, pour accomplir une tâche, le contrôleur central rassemble toutes les données à partir des agents locaux, effectue les calculs, et renvoie des instructions aux agents. Dans l'autre cas, le problème est résolu localement par les agents qui échangent des courts messages pour se coor- donner et parvenir à un consensus. Le superviseur coor- donne ou initie certaines actions, mais ne réalise pas de tâche d’optimisation. Actuellement, différentes infrastructures de communica- tion filaires et sans fil sont utilisées dans le réseau élec- trique en fonction de l’application visée. Cependant, dans le cadre de l’approche distribuée de contrôle et de gestion, la communication sans fil est beaucoup plus intéressante car elle permet une communication rapide entre les dif- férents éléments du réseau, quelle que soit leur position dans le réseau électrique. Par exemple, en considérant les normes actuelles des systèmes de communication dans le smart grid, des problèmes très complexes tels que la ges- tion de l’énergie dans un grand réseau (100 000 nœuds) pourraient être résolus en approche distribuée en moins de deux minutes [12]. Par ailleurs, le standard pour les futurs réseaux 5G promet une latence de 1 ms à l’horizon 2020. Dans l’hypothèse des réseaux de communication ultra-ra- pide, le problème décrit plus haut serait résolu en moins de Figure 7 : Migration d’un système de distribution classique vers le smart grid. REE N°5/2016 103 Une architecture intelligente pour l’amélioration de l’efficacité énergétique du réseau cellulaire 5G 0,5 seconde, ouvrant la voie à la reconfiguration optimale en temps réel des ressources énergétiques. Conclusion Le développement d’une économie à faible bilan carbone est un objectif majeur de l’Europe à l’horizon 2020. Cet ar- ticle propose un système intelligent basé sur une intégration étroite entre réseau cellulaire et smart grid, afin d’obtenir une amélioration considérable de l’efficacité énergétique de ces deux réseaux. Cette solution utilise une architecture distri- buée et hiérarchique où des mécanismes d’optimisation par apprentissage sont mis en œuvre afin d’adapter la produc- tion, la distribution et la consommation d’énergie. Les avan- tages de cette approche et les premiers résultats obtenus sont notables et nous permettent de l’identifier comme une des technologies clés pour atteindre les objectifs d’efficacité énergétique de la 5G. Références [1] P. Jauhiainen, “European R&D for (5G) sustainable commu- nications”, European Commission, Next-GWiN, Rennes, France, octobre 2014. [2] Cisco, “Cisco Visual Networking Index: Global Mobile Data Traffic Forecast Update, 2015-2020,” 3 février 2016. [3] A. De Domenico, E. Calvanese Strinati & A. Capone, “Enabling Green cellular networks: A survey and outlook,” Elsevier Computer Communications, 37, 1er janvier 2014, pp. 5-24. [4] ITU-R, Recommendation M.2083-0, “IMT Vision - Frame work and overall objectives of the future development of IMT for 2020 and beyond,” septembre 2015. [5] Ren21, “Renewables 2015 Global Status Report,” Paris, France, 2015. [6] Siano (P.), “Demand response and smart grids — A survey “ Renewable and Sustainable Energy Reviews, février 2014, 30, pp. 461-478. [7] J. Palicot, C. Moy, B. Résimont & R. Bonnefoi, Application of Hierarchical and Distributed Cognitive Architecture Management for the Smart Grid, Ad Hoc Networks, 41, 1er mai 2016, pp. 86-98. [8] P. Frenger, P. Moberg, J. Malmodin, Y. Jading & I. Godor, “Reducing Energy Consumption in LTE with Cell DTX”, IEEE 73rd VTC Spring, Yokohama, Japon, mai 2011. [9] R. Bonnefoi, C. Moy & J. Palicot, “Dynamic Sleep Mode for Minimizing a Femtocell Power Consumption,” CROWNCOM, Grenoble, France, juin 2016. [10] A. De Domenico & D. Kténas, “Inter-cell Interference Coordination for Backhaul-aware Small Cell DTX,” Journées Scientifiques URSI France Energie et radiosciences, Rennes, France, mars 2016. LES AUTEURS A. De Domenico a obtenu un diplôme d’ingénieur en télé- communications de l’Université de Rome en 2008 et un doctorat de l’Université de Grenoble en 2012. Depuis 2009, il est ingénieur de recherche au CEA-LETI. Ses domaines d’activités portent sur l’optimisation et la modélisation des réseaux mobiles de nouvelle génération. Il est auteur et co-auteur de 8 brevets. R. Bonnefoi a obtenu un diplôme d’ingénieur en électro- nique et télécommunication à Supélec et un master de l’Université de Rennes 1 en 2015. Il est actuellement en première année de doctorat à CentraleSupélec au sein de l’IETR. Pendant sa thèse il s’intéresse à l’éco-radio et à l’uti- lisation de la radio intelligente pour le réseau électrique intelligent. M. Mendil a obtenu un diplôme d’ingénieur en télécom- munications à l’Institut National Polytechnique de Grenoble (INP) en 2014. Il prépare actuellement une thèse sur l’opti- misation énergétique des réseaux cellulaires hétérogènes au Commissariat à l’énergie atomique et aux énergies alter- natives (CEA) et au Grenoble Electrical Engineering labora- tory (G2Elab). C. Gavriluta a obtenu un diplôme d’ingénieur en système d’énergie éolienne à l’Université de Aalborg en 2011. En 2015, il a reçu son doctorat de l’Université polytechnique de Catalogne à Barcelone. Depuis, il a intégré l’Institut Natio- nal Polytechnique à Grenoble en tant que chercheur post- doctoral. Ses recherches portent sur le contrôle distribué du réseau et les interactions entre les TIC vertes et le smart grid. J. Palicot a obtenu son doctorat de l’Université de Rennes I en 1983. Il a ensuite travaillé, comme Ingénieur d’études au CCETT (devenu Orange-Labs Rennes). De 2001 à 2003, il a été détaché à l’IRISA/INRIA comme spécialiste industriel. Il a intégré CentraleSupélec en 2003 et est responsable de l’équipe de recherche Signal Communications et Electro- nique Embarquée. Ses domaines d’activités portent sur le traitement du signal pour les communications numériques, la radio intelligente et l'éco-radio. C. Moy a obtenu les diplômes d’ingénieur, de Master et de doctorat de l’INSA de Rennes en 1995 et 1999 dans la spécialité électronique. Il a ensuite travaillé 6 ans dans le laboratoire de recherche européen de Mitsubishi Elec- tric. Depuis 2005, il est enseignant/chercheur à Supélec, CentraleSupélec depuis 2015, et effectue ses recherches dans l’équipe SCEE, dont il est responsable du départe- ment communications. Ses recherches portent sur la radio logicielle et la radio intelligente. V. Heiries a obtenu un diplôme d’ingénieur de l’ENAC et un doctorat en traitement du signal et communications numérique de l’ENSAE. Il a travaillé plusieurs années au URSI FRANCE 2016DOSSIER 2 104 REE N°5/2016 [11] M.Mendil, A. De Domenico, V. Heiries, R. Caire & H. Hadjsaid, “Fuzzy Q-Learning based Energy Management of Small Cells Powered by the Smart Grid,” IEEE 27th PIMRC, Valencia, Spain, septembre 2016. [12] M. Kraning, E. Chu, J. Lavaei & S. Boyd, “Dynamic Network Energy Management via Proximal Message Passing”, Foundations and Trends in Optimization, 1er janvier 2014, pp. 70-122. sein de THALES dans le domaine des systèmes de navi- gation par satellite (GPS, GALILEO). Après avoir intégré le CEA-LETI, ses travaux ont portés sur la localisation radio UWB. Ses activités de recherches sont maintenant centrées autour du traitement du signal appliqué aux systèmes de gestion de l’énergie pour les batteries Li-Ion. R. Caire a réalisé son M2R à Virginia Tech, USA puis sa thèse au Laboratoire d’Electrotechnique de Grenoble sur la Gestion de la Production d’Energie Décentralisée. Il a ensuite travaillé pour Electricité de France. Il a intégré l’Institut National Polytechnique à Grenoble en septembre 2006 en tant que Maître de conférence. Ses thèmes de recherche sont la sécurisation des infrastructures cri- tiques, l’automatisation des réseaux de distribution et les nouvelles architectures des réseaux électriques. N. Hadjsaïd a obtenu son doctorat et l'habilitation à diriger desrecherches(HDR)del’InstitutNationalPolytechniquede Grenoble en 1992 and 1998. De 1992 à 2000, il a été Maître de conférence à l’Ecole d’ingénieurs en énergie, eau et environnement. Depuis 2000, il est Professeur au sein du même institut. Il est actuellement Directeur Adjoint du laboratoire G2ELAB, responsable de la chaire indus- trielle d’excellence ERDF sur les smartgrids et président du Conseil Scientifique de SmartGrid France.